AI进家庭

该工作由南洋理工大学陶大程教授团队与武汉大学罗勇教授、杜博教授团队等合作完成。 近些年，多模态大语言模型（MLLMs）在视觉问答、推理以及 OCR 等任务上取得了显著的成功。然而，早期的 MLLMs 通常采用固定的分辨率（例如 LLaVA-v1.5 将输入图像缩放为），对于输入图像为高分辨率图像（例如 8K 分辨率）会导致图像变得模糊，损失大量有效的视觉信...

新智元报道 编辑：编辑部 YXH 【新智元导读】OpenAI最强AI编程智能体真的来了！Codex震撼上线，由o3优化版codex-1加持，多任务并行，半小时干完数天软件工程任务。 从今天起，AI编程正式开启新时代！ 刚刚，Greg Brockman带队与OpenAI六人团队开启线上直播，震撼发布了一款云端AI编程智能体——Codex。 用奥特曼的...

新智元报道 编辑：KingHZ 【新智元导读】ChatGPT「舔狗化」事件背后，暴漏目前AI仍是「黑箱」。 一场关于「机制可解释性」的路线分歧，正撕裂AI研究最核心的价值共识。谷歌认怂，Anthropic死磕——AI还能被「看懂」吗？ OpenAI只是微微升级了一下ChatGPT-4o，却一夜让AI性格大变，化身「赛博舔狗」。 然而，没有人知道这到...

新智元报道 编辑：英智 【新智元导读】AI市场风起云涌！Poe最新报告揭晓：OpenAI的GPT-4o称霸文本生成，谷歌的Gemini 2.5 Pro领跑推理，Kling在视频领域异军突起，企业如何在这场AI竞赛中抢占先机？ 最近，Poe发布了最新的使用报告，报告显示，OpenAI和谷歌的地位越来越稳，势头很猛。 Anthropic就没那么好运，有...

Altman 昨天早上还在 X 上卖关子，说有个研究预览版本快上线，要给它起个「如果它成了会很好记」的名字。 就在刚刚，OpenAI 正式发布 Codex。 这是一款基于云端运行的软件工程智能 Agent，能够并行处理多个开发任务，协助开发者高效完成编程工作。 UI 设计没整花活，Codex 提供一个输入框和两个按钮——「Ask」（提问）和 「Code」（...

文丨谭梓鑫 谷歌AI模型进化如此之快的秘密终于揭开了。 日前，谷歌DeepMind公布了内部运行的AlphaEvolve，这是一个基于Gemini的独特编码代理，可用于设计高级算法，改进AI芯片设计以及用来解决数学和计算机科学领域中的其他重大问题。 用DeepMind首席执行官Demis Hassabis的话说：“AlphaEvolve可以让知识产生...

腾讯混元今天发布了Hunyuan Image 2.0。 官方宣称是首个毫秒级响应的实时生图大模型。 大概一年前，也给大家推荐过一个速度超快的模型，跟混元这个比速度还差了点。 Hunyuan Image 2.0 最牛的点还是在于主体的一致性，提示词慢慢输入的同时，图片也越来越完善，也可以画线稿，边画边出图。 这也有个好处，可以频繁修改提示词，几乎瞬间就能看到修...

新智元报道 编辑：定慧 【新智元导读】BLIP3-o是一个全开源统一多模态模型，结合自回归与扩散架构，采用「先理解后生成」策略，创新地使用CLIP特征与Flow Matching训练，显著提升生成图像质量与多样性。BLIP3-o不仅在多个评测中表现领先，也正拓展至图像编辑和视觉对话等多模态任务。 多模态模型卷到头了？不，真正的革新才刚开始。 就在最...

Lovart 值得关注，它是 AI 应用层团队产品创新能力的印证和延续，这是 Manus 之后最火的 Agent，从通用领域，成功地向垂直赛道落地了 Agent 产品形态。 据了解，Lovart 发布后，推特上出现近 5000 条讨论帖，官方视频播放近百万，获得马斯克点赞、Grok 官方发帖讨论。24 小时内，waitlist 申请人数超过 2 万。 （一...

Manus，终于也能生图了。 凌晨，Manus 正式上线图像生成功能。不同于普通的图像生成工具，Manus 主打的是「理解意图 + 制定方案 + 多工具协同」的执行能力，生图只是其中一个环节。 几天前，Manus 刚宣布全面开放注册。 所有用户每天都能免费使用一个任务，系统自动提供 300 积分支持，另外还一次性发放 1000 积分奖励，算是诚意拉满。 要...